财务危机预警研究是企业风险管理的重要课题之一,提前预测公司发生财务危机的可能性,及时发现经营管理问题,有助于企业预先有效识别和降低潜在的财务风险。本文旨在基于上市公司的财务指标,结合合理的统计分析方法构建财务危机预警模型,可以及时捕获公司财务状况恶化的预警信号,提前预测公司发生财务危机的可能性。本文结合已有的财务危机预警研究,基于全面性、可度量性、代表性原则选取反映非金融行业上市公司偿债能力、营运能力、盈利能力、经营发展能力、现金流动能力和每股收益等六方面共计41个指标用于构建财务危机预警模型的初始指标体系。财务危机预警研究问题涉及的指标之间往往存在着较强的相关性,而带惩罚函数的变量选择方法在现有的财务危机预警研究中应用较少,且主要是单个变量选择和组变量选择,极少研究会考虑到变量之间的相关结构。本文主要介绍了考虑变量相关结构的带惩罚函数的变量选择方法在Logistic回归方程的应用。首先,将Weighted Fused Enet（WFEnet）方法推广到Logistic回归模型中,并进行详细的系数估计过程推导。接着,将WFEnet与MCPNet（Mnet）相结合,提出Weighted Fused Mnet（WFMnet）方法,推广到Logistic回归模型中,并使用坐标下降法进行系数估计,推导出求解WFMnet-Logistic回归方程的算法。然后,通过模拟分析,将加权融合方法（WFEnet、WFMnet方法）与传统的变量选择方法进行比较。模拟结果表明,当解释变量之间存在一定相关性时,加权融合方法的模型预测精度较高,且模型更加稳定。最后,使用WFMnet-Logistic方法构建上市公司财务危机预警模型,提前预测公司发生财务危机的可能性。WFMnet模型在变量选择效率和预测精度方面都表现较好。WFMnet模型选取了产权比率、资产负债率、营运资金占比、每股收益等共计14个显著变量;其中,正相关的变量的回归系数趋于相近,负相关的变量的回归系数趋于相异;模型具有较强的可解释性。